UN SISTEMA GENERADOR DE NMEROS PSEUDO ALEATORIOS

Guillermo Becerra Crdova1

1

Universidad Autnoma Chapingo, Dpto. de Preparatoria Agrcola, rea de Fsica.

E-mail: gllrmbecerra@yahoo.com
Mxico

Abstract
The simulation is a numeric technique to carry out experiments in a computer. These experiments
involve certain types of mathematical and logical models that describe systems of business,
economic, social, biological, physical or chemical through long periods of time. To be able to carry
out a simulation that includes variability inside their events, it is necessary to generate a series of
numbers that they are aleatory for themselves, and that their randomness is extrapolated to the
simulation pattern that is building. The aleatory numbers constitute the main part of the simulation of
stochastic processes and they are generally used to generate the behavior of aleatory variables, so
much continuous as discreet. Because it is not possible to generate really aleatory numbers, we
consider them as pseudo aleatory numbers, generated by means of algorithms deterministics that
require outburst parameters. In this work a system is presented that generates pseudo aleatory
numbers by means of different algorithms. The algorithms that are used in the system are the
congruential and the non congruential. To verify that they are really independent and uniform the
generated numbers, the system has routines that make possible to subject them to a series of tests.
If the pseudo aleatory numbers overcome the tests, they will be been able to use in some simulation;
otherwise they won't be considered. To use the numbers that have been generated and they have
been accepted, the system has an option to export them to some calculation leaf.
Keywords. Simulation, pseudo aleatory numbers, stochastic processes, continuous and discreet
variables.
Resumen
La simulacin es una tcnica numrica para realizar experimentos en una computadora. Estos
experimentos involucran ciertos tipos de modelos matemticos y lgicos que describen sistemas de
negocios, econmicos, sociales, biolgicos, fsicos o qumicos a travs de largos perodos de
tiempo. Para poder realizar una simulacin que incluya variabilidad dentro de sus eventos, es
preciso generar una serie de nmeros que sean aleatorios por s mismos, y que su aleatoriedad se
extrapole al modelo de simulacin que se est construyendo. Los nmeros aleatorios constituyen la
parte principal de la simulacin de procesos estocsticos y generalmente se usan para generar el
comportamiento de variables aleatorias, tanto continuas como discretas. Debido a que no es
posible generar nmeros realmente aleatorios, los consideramos como nmeros pseudo aleatorios,
generados por medio de algoritmos determinsticos que requieren parmetros de arranque. En este
trabajo se presenta un sistema que genera nmeros pseudo aleatorios por medio de diferentes
algoritmos. Los algoritmos que se utilizan en el sistema son los congruenciales y los no
congruenciales. Para verificar que realmente son independientes y uniformes los nmeros
generados, el sistema tiene rutinas que hacen posible someterlos a una serie de pruebas. Si los
nmeros pseudo aleatorios superan las pruebas, podrn utilizarse en alguna simulacin; de lo
contrario no se debern considerar. Para utilizar los nmeros que se han generado y han sido
aceptados, el sistema tiene una opcin para exportarlos a alguna hoja de clculo.
Palabras Clave. Simulacin, nmeros pseudo aleatorios, procesos estocsticos, variables continuas
y discretas.

Introduccin
Para poder realizar una simulacin que incluya variabilidad dentro de sus eventos, es preciso
generar una serie de nmeros que sean aleatorios por s mismos, y que su aleatoriedad se
extrapole al modelo de simulacin que se est construyendo. En la construccin de un modelo
de simulacin, los nmeros aleatorios juegan un papel importante.
As, una de la primeras tareas que es necesario llevar a cabo consiste en determinar si los
nmeros que utilizaremos para ejecutar la simulacin son realmente aleatorios o no; precisar lo
anterior con absoluta certidumbre resulta muy complicado, ya que para ello se tendra que
generar un nmero infinito de valores que nos permitiera comprobar la inexistencia de
correlaciones entre ellos. Esto sera muy costoso y tardado, volviendo imprctico el uso de la
simulacin aun con las computadoras ms avanzadas.
A pesar de lo anterior, podemos asegurar con altos niveles de confiabilidad que el conjunto de
nmeros que utilizaremos en una simulacin se comportan de manera muy similar a un
conjunto de nmeros totalmente aleatorios; por ello es que se les denomina nmeros pseudo
aleatorios. Casi todas las aplicaciones comerciales tienen varios generadores de nmeros
pseudo aleatorios que pueden generar un conjunto de nmeros sin mostrar correlacin entre
ellos. En el presente trabajo discutiremos algunos de los mtodos de generacin de nmeros
pseudo aleatorios y las caractersticas que deben tener para emplearlos como una fuente
confiable de variabilidad dentro de los modelos. Asimismo, se mostrarn algunas de las
pruebas ms comunes para comprobar qu tan aleatorios son los nmeros obtenidos con
dichos generadores.
Para realizar una simulacin se requieren nmeros pseudo aleatorios en el intervalo (0, 1) , es
decir, una secuencia de nmeros ri = {r1 , r2 , r3 ,...rn } que contenga n nmeros, todos ellos
diferentes; n recibe el nombre de perodo o ciclo de vida del generador que cre la secuencia.
Los nmeros pseudo aleatorios constituyen la parte medular de la simulacin de procesos
estocsticos y generalmente se usan para generar el comportamiento de variables aleatorias,
tanto continuas como discretas. Debido a que no es posible generar nmeros realmente
aleatorios, los consideramos como pseudo aleatorios, generados por medio de algoritmos
determinsticos que requieren parmetros de arranque.
Dada la importancia de contar con un conjunto de nmeros pseudo aleatorios suficientemente
grande, en este trabajo se presentan diferentes algoritmos determinsticos para obtenerlos. Por
otra parte, es conveniente sealar que el conjunto de nmero pseudo aleatorios debe ser
sometido a una variedad de pruebas para verificar si son realmente independientes y
uniformes. Si las pruebas son superadas, podrn utilizarse en la simulacin; de lo contrario,
simplemente debemos desecharlos.
Generar un conjunto de nmeros pseudo aleatorios es una tarea relativamente sencilla, slo es
necesario disear un algoritmo de generacin. Lo que resulta difcil es disear un algoritmo que
genere un conjunto de nmeros pseudo aleatorios con perodo de vida suficientemente grande
y adems pase sin problemas las pruebas de uniformidad e independencia, lo cual implica
evitar problemas como stos:

Que los nmeros pseudo aleatorios no estn uniformemente distribuidos, es decir, que
haya demasiados nmeros en un subintervalo y en otro muy pocos o ninguno.

Que los nmeros pseudo aleatorios generados sean discretos en lugar de continuos.

Que la media del conjunto sea muy alta o muy baja, es decir, que est por arriba o por
debajo de .

Que la varianza del conjunto sea muy alta o muy baja, es decir, que se localice por
arriba o por debajo del 1/12.

Materiales y Mtodos
A continuacin se presentan diferentes algoritmos determinsticos para generar nmeros
pseudo aleatorios, los cuales se clasifican en congruenciales y no congruenciales.

Algoritmos no congruenciales
Los algoritmos no congruenciales que se incluyen en este proyecto son cuadrados medios,
productos medios y multiplicador constante.

Algoritmo de cuadrados medios

Este algoritmo no congruencial fue propuesto en la dcada de los cuarenta del siglo XX por
Von Neumann y Metropolis. Requiere un nmero entero detonador con D dgitos, el cual es
elevado al cuadrado para seleccionar del resultado los D dgitos del centro; el primer nmero
se determina simplemente anteponiendo el 0. a esos dgitos. Para obtener el segundo nmero
se sigue el mismo procedimiento, solo que ahora se eleva al cuadrado los D dgitos del centro
que se seleccionaron para obtener el primer nmero.
Este mtodo se repite hasta obtener n nmeros. A continuacin se presentan con ms detalle
los pasos para generar nmeros con el algoritmo de cuadrados medios.
1. Seleccionar la semilla ( X 0 ) con D dgitos ( D > 3) .
2. Sea Y0 = resultado de elevar X 0 al cuadrado; sea X 1 = los D dgitos del centro y sea

r1 = 0.D dgitos del centro.

3. Sea Yi = resultado de elevar X i al cuadrado; sea X i +1 = los D dgitos del centro y sea

ri +1 = 0.D dgitos del centro para toda i = 1, 2, 3,..., n .

4. Repetir el paso 3 hasta obtener los n nmeros ri deseados.
El algoritmo de cuadrados medios generalmente es incapaz de generar una secuencia de
nmeros con perodo de vida n grande. Adems, en ocasiones solo es capaz de generar un
solo nmero.

Algoritmo de productos medios

La mecnica de generacin de nmeros pseudo aleatorios de este algoritmo no congruencial
es similar a la del algoritmo de cuadrados medios. La diferencia entre ambos radica en que el
algoritmo de productos medios requiere dos semillas, ambas con D dgitos; adems, en lugar
de elevarlas al cuadrado, las semillas se multiplican y del producto se seleccionan los D
dgitos del centro, los cuales formarn el primer nmero pseudo aleatorio ri = 0.D . Despus se
elimina una semilla y la otra se multiplica por el primer nmero de D dgitos, para luego

seleccionar del producto los D dgitos que conformarn un segundo nmero ri . Entonces se
elimina la segunda semilla y se multiplican el primer nmero de D dgitos por el segundo
nmero de D dgitos; del producto se obtiene el tercer nmero ri . Siempre se ir eliminando el
nmero ms antiguo, y el procedimiento se repetir hasta generar los n nmeros pseudo
aleatorios. A continuacin se presentan con ms detalle los pasos del mtodo para generar
nmeros con el algoritmo de productos medios.
1. Seleccionar una semilla ( X 0 ) con D dgitos.
2. Seleccionar una semilla ( X 1 ) con D dgitos.
3. Sea Y0 = X 0 * X 1 ; sea X 2 = los D dgitos del centro y sea r1 = 0.D dgitos del centro.
4. Sea Yi = X i X i +1 : sea X i + 2 = los D dgitos del centro y sea ri +1 = 0.D dgitos del
centro para toda i = 1, 2, 3,..., n .
5. Repetir el paso 4 hasta obtener los n nmeros ri deseados.

Algoritmo de multiplicador constante

Este algoritmo no congruencial es similar al algoritmo de productos medios. Los siguientes son
los pasos necesarios para generar nmeros pseudo aleatorios con el algoritmo de multiplicador
constante.
1. Selecciona una semilla ( X 0 ) con D dgitos ( D > 3) .
2. Seleccionar una constante (a ) con D dgitos ( D > 3) .
3. Sea Y0 = a * X 0 ; sea X 1 = los D dgitos del centro y sea r1 = 0.D dgitos del centro.
4. Sea Yi = a * X i ; sea X i +1 = los D dgitos del centro y sea ri +1 = 0.D dgitos del centro
para toda i = 1, 2, 3,..., n .
5. Repetir el paso 4 hasta obtener los n nmeros ri deseados.

Algoritmos congruenciales
Entre los algoritmos congruenciales se encuentran los algoritmos congruenciales lineales y los
no lineales.

Algoritmos congruenciales lineales

En este trabajo abordaremos los algoritmos congruenciales lineales como el algoritmo
congruencial lineal, el multiplicativo y el aditivo.

Algoritmo Lineal
Este algoritmo congruencial fue propuesto por D. H. Lehmer en 1955. Segn Law y Kelton, este
algoritmo ha sido el ms utilizado. El algoritmo congruencial lineal genera una secuencia de
nmeros enteros por medio de la siguiente ecuacin recursiva:

X i +1 = (a X i + c) mod(m)
Con i = 1, 2, 3,..., n
Donde X 0 es la semilla, a es la constante multiplicativa, c es una constante aditiva y m es el
mdulo: X 0 > 0 , a > 0 , c > 0 y m > 0 deben ser nmeros enteros. La operacin mod m
significa multiplicar X i por a , sumar c y dividir el resultado entre m para obtener el residuo

X i +1 . Es importante sealar que la ecuacin recursiva del algoritmo congruencial lineal genera
una secuencia de nmeros enteros y que para obtener nmeros pseudo aleatorios en el
intervalo (0, 1) se requiere de la siguiente ecuacin:

ri =

Xi
m 1

Con i = 1,2,3,..., n
Para que el algoritmo sea capaz de lograr el mximo perodo de vida n , es preciso que los
parmetros X 0 , a , y m cumplan con ciertas condiciones. Banks, Carson, Nelson y Nicol
sugieren lo siguiente: m debe ser mltiplo de 2 g , donde g debe ser entero, a = 1 + 4k , donde
k debe ser entero y c debe ser relativamente primo a m .
Bajo estas condiciones se obtiene un perodo de vida mximo: N = m = 2 g .

Algoritmo congruencial multiplicativo

El algoritmo congruencial multiplicativo surge del algoritmo lineal cuando c = 0 . Entonces la
ecuacin recursiva es:

X i +1 = (a X i ) mod(m)
Con i = 0, 1, 2, 3,..., n
En comparacin con el algoritmo congruencial lineal, la ventaja del algoritmo multiplicativo es
que implica una operacin menos a realizar. Los parmetros de arranque de este algoritmo son

X 0 , a y m , los cuales deben ser enteros y mayores que cero. Para transformar los nmeros
X i en el intervalo (0, 1) se usa la ecuacin:
ri =

Xi
m 1

Con i = 0, 1, 2, 3,..., n
De acuerdo con Banks, Carson, Nelson y Nicol, las condiciones que deben cumplir los
parmetros para que el algoritmo congruencial multiplicativo alcance su mximo perodo son:

m debe ser mltiplo de 2 g , donde g debe ser entero, a = 3 + 8k , donde k = 0, 1, 2, 3,... , X 0

debe ser un nmero impar.
Bajo estas condiciones se logra un perodo de vida mximo: N = k / 4 = 2 g 2 .

Algoritmo congruencial aditivo

Este algoritmo requiere una secuencia previa de n nmeros aleatorios X 1 , X 2 , X 3 , X 4 ,... X n
para generar una secuencia de nmeros enteros que empiezan en X n +1 , X n + 2 , X n +3 , X n + 4 ,...
Su ecuacin recursiva es:

X i = ( X i 1 + X i 2 ) mod(m)
Con i = n + 1, n + 2, n + 3,..., N

ri =

Xi
m 1

Algoritmos congruenciales no lineales

Dentro de los algoritmos congruenciales no lineales se tiene el algoritmo congruencial
cuadrtico y el de Blum, Blum, y Shub.

Algoritmo congruencial cuadrtico

Este algoritmo tiene la ecuacin recursiva:

X i +1 = (a X i2 + bX i + c) mod(m)
Con i = 0, 1, 2, 3,..., n
En este caso, los nmeros ri pueden ser generados por la ecuacin

ri =

Xi
m 1

De acuerdo con LEcuyer, las condiciones que deben cumplir los parmetros m , a , b y c
para alcanzar un perodo mximo de N = m son: m debe ser mltiplo de 2 g , donde g debe
ser entero, a debe ser un nmero par, m debe ser un nmero impar, y (b 1) mod 4 = 1 . De
esta manera se logra un perodo de vida mximo N = m .

Algoritmo de Blum, Blum y Shub

Si en el algoritmo congruencial cuadrtico a = 1 , b = 0 y c = 0 , entonces se construye una
nueva ecuacin recursiva:

X i +1 = ( X i2 ) mod(m)

Con i = 0, 1, 2, 3,..., n
La anterior ecuacin fue propuesta por Blum, Blum y Shub como Nuevo mtodo para generar
nmeros que no tienen un comportamiento predecible.

PRUEBAS ESTADSTICAS PARA LOS NMEROS PSEUDO ALEATORIOS

En la seccin anterior se presentaron diversos algoritmos para construir un conjunto de
nmeros pseudo aleatorios, pero eso slo es el primer paso, ya que el conjunto resultante debe
ser sometido a una serie de pruebas para validar si los nmeros que los integran son aptos
para usarse en un estudio de simulacin.
A continuacin se presentan las pruebas estadsticas bsicas que se emplean generalmente
para determinar si un conjunto de nmeros pseudo aleatorios entre cero y uno cumplen con las
propiedades bsicas de independencia y uniformidad. El objetivo es validar que el conjunto
realmente est conformado por nmeros aleatorios.

Prueba de Medias
Una de las propiedades que deben cumplir los nmeros generados, es que el valor esperado
sea igual a 0.5. La prueba que busca determinar lo anterior es la llamada prueba de medias, en
la cual se plantean las siguientes hiptesis:

H 0 : ri = 0.5
y

H 1 : ri 0.5
La prueba de medias consiste en determinar el promedio de los n nmeros generados
mediante la ecuacin siguiente:

r=

1 n
ri
n i =1

Posteriormente, se calcula los lmites inferior y superior con las ecuaciones siguientes:

LI =
r

1
1
z / 2 (
)
2
12 n

LS =
r

1
1
+ z / 2 (
)
2
12 n

Si el valor de r se encuentra entre los lmites de aceptacin concluimos que no se puede

rechazar que el conjunto ri tiene un valor esperado de 0.5 con un nivel de aceptacin de 1-.
En caso contrario se rechaza que el conjunto ri tiene un valor esperado de 0.5. Para el clculo

de los lmites de aceptacin se utiliza el estadstico Z / 2 , el cual se determina por medio de la

tabla de distribucin normal estndar.

Prueba de Varianza
Otra de las propiedades que debe satisfacer el conjunto ri , es que sus nmeros tengan una
varianza de 1/12. La prueba que busca determinar lo anterior es la prueba de varianza, que
establece las siguientes hiptesis:

H 0 : r2i = 0.5
y

H 1 : r2i = 0.5
La prueba de varianza consiste en determinar la varianza de los n nmeros que contiene el
conjunto ri , mediante la ecuacin siguiente:

V (r ) =

(r r )
i =1

n 1

Despus se calculan los lmites de aceptacin inferior y superior con las ecuaciones siguientes:

LI V ( r ) =

2 / 2, n 1
12(n 1)

LSV ( r ) =

12 / 2, n 1
12(n 1)

Si el valor de V (r ) se encuentra entre los lmites de aceptacin, decimos que no se puede

rechazar que el conjunto ri , tiene una varianza de 1/12, con un nivel de aceptacin de 1-; de
lo contrario se rechaza que el conjunto ri tiene una varianza de 1/12.

Prueba Chi-cuadrada
Una de las propiedades ms importantes que debe cumplir un conjunto de nmeros ri es la
uniformidad. Para comprobar su acatamiento se han desarrollado pruebas estadsticas como la
prueba Chi-cuadrada. Para probar la uniformidad de los nmeros de un conjunto bajo esta
prueba es necesario formular las siguientes hiptesis:

H 0 : ri ~ U (0, 1)
y

H 1 : ri no son uniformes
8

La prueba Chi-cuadrada busca determinar si los nmeros del conjunto ri se distribuyen

uniformemente en el intervalo (0, 1) . Para llevar a cabo esta prueba es necesario dividir el
intervalo en m subintervalos en donde es recomendable que m = n . Posteriormente se
clasifica cada nmero pseudo aleatorio del conjunto ri en los m intervalos. A la cantidad de
nmeros ri que se clasifican en cada intervalo se le denomina frecuencia observada (0 i ) , y a
la cantidad de nmeros ri que se espera encontrar en cada intervalo se llama frecuencia
esperada ( E i ) ; tericamente, la ri es igual a n / m . A partir de los valores de 0 i y de E i se
determina el estadstico 02 mediante la ecuacin:
m

02 =
i =1

( Ei Oi ) 2
Ei

Si el valor estadstico 02 es menor al valor de tablas 2 , m 1 , entonces no se puede rechazar

que el conjunto de nmeros ri sigue una distribucin uniforme. En caso contrario, se rechaza
que ri sigue una distribucin uniforme.

Resultados y Discusin
En la figura 1 se presenta la ventana principal del sistema que se elabor como resultado del
proyecto. En ella se muestra el nombre del sistema, el lugar donde se realiz y el autor. Si el
usuario desea abandonar el sistema, simplemente es necesario hacer click en el botn de
comando Salir. Si desea continuar slo se requiere hacer click en botn Continuar.

Figura 1
Al activar esta opcin, aparecer una ventana similar a la venta que se muestra en la figura 2.
En ella se encuentran las diversas formas como se pueden generar nmeros pseudo
aleatorios. Los algoritmos que se incluyen en el sistema son: cuadrados medios, productos
medios, multiplicador constante, lineal, congruencial multiplicativo, congruencial aditivo,
congruencial cuadrtico y Blum, Blum y Shub.

Figura 2
Al hacer click en la opcin Cuadrados Medios aparecer una ventana como la mostrada en la
figura 3. En ella se observa la ventana de despliegue de los nmeros pseudo aleatorios
generados por el correspondiente algoritmo, la caja de texto para introducir la semilla, el botn
de que activa la generacin de los nmeros pseudo aleatorios y el botn para encontrar el
perodo relacionado con los nmeros pseudo aleatorios. De igual forma se muestra la caja de
texto para introducir el nivel de aceptacin y la caja de texto para desplegar el promedio que es
calculado por el sistema. Al activar la opcin Prueba de Medias el sistema desplegar si son
aceptados o rechazados los nmeros generados. El siguiente cuadro de texto despliega la
varianza de los nmeros pseudo aleatorios y los siguientes dos cuadros de texto se utilizan
para introducir los lmites inferior y superior para calcular la prueba de varianza. El cuadro de
texto correspondiente a esta muestra, despliega si la prueba fue aceptada o rechazada.
Finalmente, aparecen otras tres cajas de texto que se utilizan para introducir el valor de la
prueba Chi-Cuadrada Terica. La caja de texto siguiente sirve para desplegar la prueba ChiCuadrada Experimental que es calculada por el sistema y finalmente aparece una caja de
texto que muestra si la prueba es aceptada o rechazada bajo estos lmites.

Figura 3
La figura 3 muestra, a manera de ejemplo, los resultados de una generacin de nmeros
pseudo aleatorios por medio del algoritmo de cuadrados medios. En la figura aparecen los
valores de los nmeros pseudo aleatorios generados con el algoritmo de cuadrados medios.
Para este caso, el valor de la semilla es de 5735. La primera caja de texto nos indica que no se
repite la numeracin, por lo que no tiene perodo. La segunda caja de texto corresponde al
valor de la tabla de distribucin normal estndar bajo la prueba de medias. Para ello, el usuario

10

debe introducir el valor de la tabla de distribucin normal estndar al que quiere someter los
nmeros generados. Se introdujo el valor de 1.96 por el nivel de aceptacin del 95%. Despus
de introducir este valor, para saber si son aceptados los nmeros pseudo aleatorios, el usuario
debe hacer click en el botn de comando Prueba de Medias. En el ejemplo se muestra que no
se rechaza la muestra. Si se redujera el valor del nivel de aceptacin o el valor de la tabla de
distribucin normal estndar, es posible que no se acepten los nmeros generados. El
siguiente bloque de opciones corresponde a la prueba de varianza. Para ello, el usuario debe
introducir el valor de las tablas de la distribucin Ji-cuadrada correspondiente a un nivel de
aceptacin del 95% y un grado de libertad de 49, ya que son 50 los nmeros generados. Al
activar la opcin Prueba de Varianza se puede ver si se rechazan o no los nmeros
generados. Para este caso se tiene que = 5% y n = 50 , por lo que los valores de la tabla Jicuadrada son: 02.025, 49 = 71.42 y 02.975, 49 = 32.36 . Al calcular la varianza de los nmeros
generados pseudo aleatoriamente, se observa que el valor no se encuentra dentro de los
lmites calculados por el sistema, por lo que no son aceptados. De igual forma, es posible
aumentar el intervalo de prueba para ver si se rechaza o no la serie. Finalmente, el ltimo
bloque corresponde a la prueba Chi-cuadrada, en la cual el usuario puede introducir el valor de
la Chi-Cuadrada Terica para compararla con el valor de la Chi-Cuadrada Experimental para
saber si son aceptados los valores de los nmeros pseudo aleatorios generados por medio de
este algoritmo. Al activar la opcin Chi-Cuadrada se puede ver si se rechazan o no los
nmeros generados. En este caso se tiene que el valor de la prueba Chi-cuadrada terica para
estos datos es de 02.05, 9 = 16.9 , que comparado con el valor del Chi-cuadrada experimental

02 = 10.4 , concluimos que se aceptan los nmeros pseudo aleatorios generados por el
algoritmo de cuadrados medios. Al igual que en los casos anteriores, se puede reducir el valor
de Chi-cuadrada Terica, hasta que sean rechazados los nmeros generados pseudo
aleatoriamente.
Todas las opciones descritas para el algoritmo de Cuadrados Medios se encuentran en cada
uno de los algoritmos de generacin de nmeros pseudo aleatorios contenidos en el sistema,
por lo que cada algoritmo puede comprobar si los nmeros generados son aceptados o no.
Despus de generarse los nmeros pseudo aleatorios, el usuario puede exportarlos a una hoja
de clculo para poder ser utilizados en alguna simulacin.

Conclusiones

El sistema puede generar nmeros pseudo aleatorios por medio de diferentes

algoritmos congruenciales y no congruenciales.

Para cada algoritmo, el sistema incluye las pruebas de Medias, de Varianza y de Chi
cuadrada para saber si los nmeros generados son aceptados o rechazados.

El sistema tiene la opcin de exportar los nmeros pseudo aleatorios a una hoja de
clculo para que sean utilizados en alguna simulacin.

El sistema puede calcular el perodo de la secuencia de nmeros pseudo aleatorios

generados en cada algoritmo.

El sistema presenta una interface grfica de fcil manejo.

El sistema es un apoyo a la labor docente.

11

Referencias
Ceballos Sierra, F. J.1996. Enciclopedia de Visual Basic 4, Mxico, D. F.: Alfaomega Grupo
Editor.
Garca Dunna E.; Graca Reyes, H. y Crdenas Barrn, L. E. 2006. Simulacin y Anlisis de
Sistemas con ProModel, Mxico, D. F.: Pearson Educacin.
Garca Mora, F.; Sierra Acosta, J. y Guzmn Ibarra, V. 2005. Simulacin de Sistemas para
Administracin e Ingeniera, Mxico, D. F.: CECSA.
Kreyszig, Erwin. 1978. Introduccin a la Estadstica Matemtica, Mxico, D. F.: Editorial
Limusa.

12